压缩包包含 1：EMNIST数据集压缩包 2：EMNIST转化为图片后的格式（PNG） 3：EMNIST数据集转化为图片代码 EMNIST数据集介绍：名字的由来为，Extended MNIST (EMNIST), 一个在手写字体分类任务中更有挑战的 Benchmark EMNIST 主要分为以下 5 类： 1：By_Class ： 共 814255 张，62 类，与 NIST 相比重新划分类训练集与测试机的图片数 2：By_Merge： 共 814255 张，47 类， 与 NIST 相比重新划分类训练集与测试机的图片数 3：Balanced : 共 131600 张，47 类， 每一类都包含了相同的数据，每一类训练集 2400 张，测试集 400 张 4：Digits ：共 28000 张，10 类，每一类包含相同数量数据，每一类训练集 24000 张，测试集 4000 张 5：Letters : 共 145600 张，26 类，每一类包含相同数据，每一类训练集5600 张，测试集 800 张

网上没有找到数字、英文大小写的数据集，于是将byclass进行解析，train有60多万张，test有10多万张，总共62类（0-9，a-z，A-Z）。 文件中包含了原来的全部图片，以及对应的label，还包括已经分类完成的文件，将其一一分类

matlab不运行一段代码emnist_image_generator_predictor 概述 该程序的目的是创建英语单词图像生成器，然后将其提供给机器学习模型（最好是神经网络）以从图像中识别单词。 方法 为了演示的目的，实现了字符手写识别器（而不是英语单词图像识别器）。 此字符手写识别器由两个单独的部分组成： 影像产生器 A.从保留数据中随机选择 B.使用经过训练的对抗性网络生成图像，该对抗性网络使用相应角色的样本进行训练 实现仅使用Keras软件包 实现使用Keras和Keras-Adversarial软件包 识别模型-使用具有不同超参数的CNN神经网络构建 数据集 两种模型均从EMNIST数据集[1]中获取手写图像作为训练和验证数据。 为简化起见，将使用EMNIST平衡数据集，因此不需要调整权重。 完整的数据集可以在找到。 或者，可以使用数据集文件夹下的emnist-balanced-small.mat文件。 但是，请注意，这是EMNIST平衡数据集的直接缩减，因此类将变得不平衡。 根据[1]，平衡数据集包含47个类，包括大写和小写字母。 应当注意，由于诸如s C，I，J，K，

下载存储库后，请确保所有文件和文件夹都位于一个目录下 主要文件应为：emnist.model [文件夹]图像[文件夹] balance_dataset.zip [文件夹] emnist-balanced-mapping.txt [文本文件] emnist.ipynb [笔记本文件] gui.ipynb [笔记本文件] preprocess.ipynb [笔记本文件] emnist.model文件包含用于预测图像的模型。 mapping.txt文件包含用于分类的各个类别的ASCII值emnist.ipynb包含使用神经网络preprocess训练模型的过程。ipynb显示如何包含分析数据并从csv文件中原始查看数据emnist_model.pdf文件包含用于训练模型的Jupyter主笔记本的pdf版本，Images文件夹包含28x28像素绘制的图像，可用作参考。 0-46 == 0-9，A

EMNIST英文数据集，内含26个子文件夹，为26个字母A-Z，大小写字母在1类中，一共12万余张灰度图片，可供研究者使用。

恩尼斯 由@ shubhammor0403开发 使用EMNIST数据集对单词进行分类和预测 在Android应用程序中此模型的实现可在以下位置找到： 描述 该项目使用深度学习和计算机视觉的概念，为传统的手写识别技术提供了一种新的解决方案。 已使用了称为Emnist数据集的Mnist位数数据集的扩展。 它包含62个班级，每个班级都有0-9位数字和AZ字符。 已经创建了一个Android应用程序，用于检测手写文本并将其使用卷积神经网络（缩写为CNN）将其转换为数字形式，以进行文本分类和检测。 在此之前，我们对数据集进行了预处理，并对其应用了各种过滤器。 其中包括两个单独的Jupyter文件。 modeltrain.ipynb包含模型的创建和训练，而segment.ipynb包含使用创建的模型对单词的预测。 环境 Python蟒 张量流 凯拉斯 脾气暴躁的 Matplotlib Openc

emnist：使用卷积神经网络对EMNIST数字进行分类

字母识别所用的数据集，图像大小是28*28的，a-z，训练集10万+，测试集4000张，里面用matlab写了标签生成的方法，可以根据自己的需要测试的提取数据，自己生成标签。

使用matlab从emnist-letters.mat提取出.jpg格式文件，transform.m和emnist-letters.mat放在同一文件夹，直接运行即可，运行时间较长。

手写英文字母、数字识别数据集 官方网址下载很慢